

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、原子團簇基態(tài)結構的預測是團簇研究的核心問題之一,其結果直接影響著對團簇性質的討論?,F在通常采用簡化的勢能函數模型來描述原子間的相互作用,并通過求解該勢能函數的最小值來預測團簇的基態(tài)結構。雖然勢能函數模型是真實模型的簡化,但它的求解仍然是NP難的。因此對于團簇基態(tài)結構預測問題,當前研究的重點是如何設計出高效的啟發(fā)式求解算法。
研究了LJ團簇、Au團簇和Co團簇。通過優(yōu)化這些團簇對應的勢能函數來預測其基態(tài)結構。論文內容主要包括
2、以下三個方面:第一、討論了勢能函數的性質及團簇初始格局的構造。第二、設計了擬物擬人算法預測LJ團簇的基態(tài)結構。第三、基于格點搜索算法和兩階段下降法設計了TP-DLS算法,并用此算法預測了LJ團簇、Au團簇和Co團簇的基態(tài)結構。
在討論勢能函數性質時,證明了函數中的某些參數對團簇結構預測沒有影響,因此可以去掉這些參數以簡化函數。通過擬物擬人算法預測了LJ團簇的基態(tài)結構,得到了團簇尺寸在38~74之間的所有已知的最優(yōu)結構。
3、r> TP-DLS算法在求解團簇結構問題時不僅效率高,并且改進了Au58和Co101團簇已知的最低能量值。在優(yōu)化Au團簇時,得到了Au58的兩種新構型。這兩種構型都是十面體結構,它們的勢能值分別為-15648.5689和-15648.8754,都要優(yōu)于當前已知的最低勢能值-15647.9269。在優(yōu)化Co團簇時,得到了Co101團簇的新構型。該構型也是十面體結構,該構型的勢能值為-384.329400,優(yōu)于當前已知的最低勢能值-3
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 預測Au團簇基態(tài)結構的啟發(fā)式優(yōu)化算法.pdf
- 預測黃金原子團簇穩(wěn)態(tài)結構的高效啟發(fā)式算法.pdf
- 原子團簇結構預測的現實途徑—高性能啟發(fā)式算法.pdf
- Au團簇的啟發(fā)式優(yōu)化.pdf
- 二元Morse團簇的啟發(fā)式優(yōu)化.pdf
- 在圓形Packing及團簇結構優(yōu)化問題上的啟發(fā)式優(yōu)化算法研究.pdf
- 蛋白質結構預測的現實求解方法——高效啟發(fā)式優(yōu)化算法.pdf
- 結構拓撲優(yōu)化啟發(fā)式算法的研究.pdf
- 啟發(fā)式優(yōu)化算法綜述
- 圓形件下料啟發(fā)式算法.pdf
- TSP的結構特征挖掘與啟發(fā)式算法設計.pdf
- 啟發(fā)式算法研究及其應用.pdf
- 求解圓形Packing問題及模型蛋白結構預測問題的啟發(fā)式算法.pdf
- 資源優(yōu)化的啟發(fā)式算法研究.pdf
- 面向三次分配問題的高效啟發(fā)式算法設計.pdf
- 車輛調度問題啟發(fā)式算法研究.pdf
- 生物啟發(fā)式圖像分類算法研究.pdf
- 基于粗糙集的啟發(fā)式高效屬性約簡算法的研究.pdf
- 軟硬件劃分的啟發(fā)式算法.pdf
- 生物啟發(fā)式算法及其改進研究.pdf
評論
0/150
提交評論